NVIDIA تطلق Nemotron 3.5 Super VL بحجم 120B ونماذج Bolt للوكلاء المحليين

أغلقت NVIDIA طبقتين من حزمة الوكلاء دفعة واحدة: طبقة الخوادم وطبقة سطح المكتب. فقد أطلقت الشركة Nemotron 3.5 Super VL، وهو نموذج مفتوح متعدد الوسائط بـ120 مليار معامل مخصص لوكلاء متخصصين يعملون دون توقف، إضافةً إلى نموذجي Bolt للتشغيل المحلي. صُمم Bolt 74B-A9B 24GB للعمل على RTX وDGX Spark، أما Bolt E4B 4GB، التي تربطها NVIDIA بالوكلاء الحواريين السريعين، فتتسع في 4 غيغابايت. ومع Lightning (إنتاجية عالية، صدر في أغسطس) وUltra (للاستدلال الأكثر تعقيدًا)، تغطي عائلة Nemotron الآن النطاق كله: من خوادم الشركات إلى الحاسوب المحمول.

Super VL: دقة النموذج الكبير بخُمس المعاملات

حجة NVIDIA الرئيسية اقتصادية. فنموذج Super VL، الذي طُوّر بالتعاون مع Nemotron Coalition، يضاهي في الدقة على مهام الوكلاء متعددة الوسائط (اتباع التعليمات، واستدعاء الأدوات، وعمليات الأعمال متعددة الخطوات، وفهم الصور) أكبر نموذج استدلال لدى NVIDIA نفسها، لكن عدد معاملاته أقل بنحو خمس مرات. وعلى لوحة Artificial Analysis Intelligence Index، يحقق النموذج، بحسب الشركة، إنتاجية أعلى بما يصل إلى 5x من النماذج الأخرى في فئته. وبالنسبة إلى الوكلاء الذين تمتد مهامهم أيامًا وأسابيع، يعني ذلك خفضًا مباشرًا في كلفة التوكن وفي زمن التنفيذ.

أما من الداخل: فقد دُرّب النموذج على نحو 26 تريليون توكن في مرحلتي التدريب المسبق والتدريب المسبق المستمر، ثم على نحو 3,8 مليون مثال في مرحلة ما بعد التدريب، إلى جانب التعلم المعزز في عشرات البيئات. وعلى NVIDIA Dynamo، يمكن بحسب الشركة خدمة ما يصل إلى 8x من المستخدمين مع زمن تأخير أقل بنسبة 85%. وضُبطت قدرات الرؤية لمهام العمل الروتينية: التعرف الضوئي على الحروف (OCR)، والجداول، والرسوم البيانية، والبيانات المنظمة في ملفات PDF وصفحات الويب. ويعني وجود مسار نموذجي واحد بدلًا من الجمع بين نموذج نصي وآخر بصري أن السياق لا يضيع في الطريق من المستند إلى البيانات ثم إلى القرار.

الإتاحة مفتوحة: الأوزان ومجموعات البيانات ووصفات التدريب. وعلى Hugging Face نُشرت مجموعات بيانات في استخدام الوكلاء للأدوات، والمالية، واتباع التعليمات، والسياق الطويل، والإنصاف (fairness)، والرؤية واللغة (vision-language)، كما أن بيئات RL متاحة في NeMo Gym.

Bolt: 74 مليار معامل في 24 غيغابايت

يقوم Bolt 74B-A9B 24GB على تكميم أصلي بدقة 2 بت. والحساب بسيط: 74 مليار وزن بواقع 2 بت لكل منها يعادل نحو 18,5 غيغابايت، فيبقى النموذج ضمن حدود 24 غيغابايت ويترك مساحة لتطبيقات أخرى. ويُفهم من المؤشر A9B أن جزءًا فقط من المعاملات، نحو 9 مليارات، يكون نشطًا مع كل توكن، ومن هنا تأتي السرعة. وتصف NVIDIA النموذج بأنه «ذكي بما يكفي لإنجاز معظم المهام، وأسرع بوضوح من أذكى النماذج» عند حجم الذاكرة نفسه. أما المراتب المعلنة بين النماذج المفتوحة فهي: الأول في فئته على PinchBench والثاني على BrowseComp.

السيناريو المقصود هو تفويض مشروع كامل إلى بيئة وكيل محلية: بحث على الويب، وكتابة نصوص، وتصحيح أخطاء الشيفرة، من دون إرسال البيانات إلى السحابة. والدعم معلن لكل من llama.cpp وOllama وLM Studio وUnsloth وCanonical وvLLM. ويعمل النموذج على GeForce RTX وDGX Spark وDGX Station وRTX PRO وحواسيب RTX Spark المحمولة.

أما Bolt E4B 4GB فقد حُسّنت من حيث الذكاء لكل غيغابايت، وهي موجهة إلى الوكلاء المادّيين والحواريين على GeForce RTX وJetson وRTX/DGX Spark: المساعدات الصوتية، والشخصيات التفاعلية، والواجهات المدمجة.

من يضبط Super VL بدقة بالفعل

تذكر NVIDIA عشرات الجهات التي تعيد تدريب النموذج على بياناتها وأدواتها وسياساتها:

• Scale AI: وكيل لتمويل الموردين الائتماني لصالح Skydance، ووكيل للعناية الواجبة (due diligence) في عمليات الاندماج والاستحواذ لصالح EY.
• AfterQuery: تحليل اتفاقيات الائتمان لصالح Hebbia.
• AI21 وAlice: الصمود أمام الهجمات السيبرانية.
• Mercor: وكلاء برمجة (التخطيط والكتابة وتصحيح الأخطاء)، مع التدريب على المعيار APEX-SWE.
• ModelScope: الضبط الدقيق عبر إطار ms-swift.
• Ramp: الذكاء للمستندات المالية.
• Dream: ذكاء اصطناعي سيادي للأمن السيبراني وتحليل الثغرات.
• Lila Sciences: البحث العلمي والاكتشافات.
• R1: تحليل مطالبات التأمين الصحي وإدارة دورة الإيرادات.
• TrainLoop: الضبط الدقيق على بيانات Nolla الجلدية، وهي أول شركة حصلت على ترخيص لكتابة الوصفات الأولية بالذكاء الاصطناعي.

ومن بين المنصات، أعلنت دمج النموذج كل من Atlassian (بحث وكيلي في Jira وConfluence)، وCrowdStrike (الفريق الأزرق الوكيلي، blue teaming)، وDassault Systèmes (التصميم الهندسي والمحاكاة)، وPerplexity (Search وComputer)، وSalesforce (أتمتة العمليات الحكومية عبر Missionforce Operations)، وSynopsys (التحقق من تصاميم أشباه الموصلات يعمل بالتكامل مع النموذج).

والخلاصة العملية للفرق هي التالية. إذا كان يجب ألا تغادر البيانات المحيط الداخلي (التأمين، والتصنيف الائتماني، والطب)، فيمكن نشر Super VL على البنية المحلية (on-prem) وإعادة تدريبه عبر NeMo، بينما توفر NIM خدمة مصغّرة جاهزة بتحديثات كل أسبوعين. وإذا كانت الحاجة إلى وكيل خاص على محطة عمل، فيمكن اختبار Bolt 74B-A9B على 24 غيغابايت من ذاكرة الفيديو خلال أمسية واحدة عبر Ollama أو LM Studio. وللسيناريوهات الصوتية المدمجة يناسب E4B على Jetson. ووفق ما تؤكده NVIDIA، لم يعد على الفرق الاختيار بين القدرات وسهولة النشر، لكن الأجدر قياس الأرقام الفعلية للمهام على بياناتكم الخاصة. ويتوفر Super VL على Hugging Face وOpenRouter وفي مجتمع ModelScope وبصيغة NVIDIA NIM.